Quelques éléments sur la dynamique de la prise d'information dans une tâche d'évaluation de connaissances par expert
Bibliographic record
Abstract
Las experiencias presentadas en este artículo han sido concebidas con vistas a precisar una problemática concerniente a las características de la elaboración de una representación cognitiva del universo de la evaluación entre expertos, en una tarea concreta. Los expertos son aquí docentes, y su tarea consiste en evaluar el nivel de dominio de la lengua materna de alumnos de último curso del Ciclo Medio. Los soportes de evaluación son redacciones de francés, de las cuales se presentan varias versiones, haciendo variar la localization de la información concerniente al uso correcto o no de ciertas reglas de escritura. Del mismo modo, se hace variar la información dada a priori al experto en lo que se refiere al nivel del alumno. El seguimiento, en tiempo real, del proceso evaluativo durante la lectura se ve asegurado gracias a un paradigma experimental de ventana móvil. Los resultados permiten, en primer lugar, evidenciar los aspectos secuenciales de la presa de información, forzosamente limitada por el aspecto lineal del objeto, y validar parcialmente un modelo de organización de las representaciones entre expertos. En segundo lugar, encontramos que las heurísticas de juicios (y los sesgos asociados a ellas), puestas de manifiesto en situaciones de laboratorio, están igualmente presentes en una situación más próxima de la realidad cotidiana de una tarea de evaluación.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.019 | 0.042 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.004 | 0.016 |
| Scholarly communication | 0.015 | 0.023 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.005 | 0.004 |
| Insufficient payload (model declined to judge) | 0.015 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".